물류 인공지능 도입의 필수조건

 

 

안녕하세요. 방금 소개받은 동북아물류대학원의 허성호입니다. 오늘 이렇게 귀중한 행사에 제가 부임한지 얼마 되지 않았는데

 

첫 번째로 발표를 하기 되어서 저로서도 의미가 있고요. 앞으로도 더 열심히 해야겠다라는 어떤 어깨가 무거워지는 자리인 것 같습니다.

 

온라인과 오프라인을 만나뵙게 되어 반갑고요. 오늘 저는 인공지능 이야기를 해보려고 합니다. 2016년이었죠. 알파고가 이세돌과 함께 바둑으로 승부를 냈던게 2016년인데,

 

그 때 사실 많은 사람들이 충격을 받았습니다. 우리 인간들이 할 일이 없어지는 것이 아니냐 많은 일자리들이 특히 인간의 고유 영역인 지능 분야의 많은 일자리들이 대체 되는 것이 아니냐라고 많은 걱정들이 해왔구요.

 

또 마치 금방 큰일이 일어날 것 같은 우려들이 일어났습니다. 그런데, 미국 미래학자 레이 커츠와일의 저서 ‘특이점이 온다’에서 이런 이야기를 했습니다.

 

사람들은 기술에 대해서 가까운 미래에서는 과대평가하는 경향이 있고, 먼 미래에서는 과소평가하는 경향이 있다라는 말이 있습니다.

 

이 인공지능에 대해서도 마찬가지인 것 같습니다. 지금 바로 뭔가 큰일이 올 것처럼 하고 있지만 그것은 과대평가인 것 같구요.

 

하지만 반면에 조금 더 먼 미래에는 오히려가 우리가 생각했던 것보다 더 큰 어떤 영향이 인공지능 기술로부터 있을 것이라고 생각이 드는데요.

 

그런 관점에서 우리 물류산업이 이 인공지능 받아들이는데 과연 어떤 것들을 고려해야될 것인가 어떤 것들을 확인을 해야 될 것인가를 이야기해보고자 합니다.

 

화면이 오프라인에는 들어왔는데요. 이 그림들은 많이 보셨을 겁니다. 물류 4.0 이야기를 할 때 많이들 이야기하는데 사실은 산업혁명이죠.

 

산업혁명이 이제 진전함에 따라서 물류 분야에도 많은 변화가 있었습니다. 그래서 초창기의 인력을 기반으로 운영되던

 

물류라는 이 활동이 수송의 기계와 그 다음에 하역의 기계와 그 다음에 관리시스템, 마지막 IOT에 의한 초연결 인력 저감 물류로 진활르 하고 있는 과정에 있다라는 이야기를 하고 있습니다.

 

이 단계 단계의 많은 변화가 있었습니다. 특히 산업혁명에 있어서 어떤 증기기관의 개발 그리고 기계화된 동력의 도입은 사실 우리가 그 당시에도 많은 우려가 있었죠.

 

러다이트 운동이라던지 새로운 기술을 거부하는 이러한 활동들이 있었음에도 불구하고 결국은 이 기계화된 동력의 도입을 막을 수가 없었습니다.

 

그리고 이러한 기술의 도입은 오히려 산업을 발전하는데 큰 요소로 작용을 해서 지금 보고 계시는 바와 같이 물류산업에서도

 

여러 분야의 발전을 가지고 왔던 사례가 있었다라고 할 수 잇ㅆ습니다. 자 비슷한 과점에서도 인공지능이라는 기술도 결국은 우리가 거부할 수 없는 커다란 미래일 것이라고 생각이 되구요.

 

이러한 것은 결국 우리가 특히 물류산업의 종사하고 있는 물류산업에 포함되어 있는 우리들이 이걸 어떻게 받아들이고 어떠한 준비를 하고 있어야 될 것이냐를 아는 것이

 

이 물류산업 내에서 살아남을 수 있는 길 또 산업계 전반적으로 봤을 때는 물류산업이 산업계에서 더 큰 비중을 차지할 수 있는 길이라고 할 수가 있겠습니다.

 

그러면 인공지능이 뭔지를 알아야 될 텐데요. 인공지능 다들 뭔지는 생각은 있으실 겁니다. 여러 곳에서도 이야기를 하고 있고요. 다양한 정의들이 있고요.

 

그 중에 한 두가지를 가져왔는데요. 결국은 핵심은 인간의 어떤 지적 능력, 인지, 학습과 같은 지적 능력을 컴퓨터를 이용해서 구현하는 지능을 의미하는 것이 핵심이라고 할 수 있겠습니다.

 

그리고 우리가 마주하게 될 물류 인공지능이라는 것은 결국 물류산업에서 인간의 지적 능력이 활용되는 일부 혹은 전체를 컴퓨터를 이용해서 구현하는 것이 물류 인공지능이라고 할 수 있겠습니다.

 

앞서 말씀드렸는데 산업화가 인간의 육체노동을 기계가 대신했던 것라고 한다면 인공지능은 인간의 지적 노동을 컴퓨터가 대신하는 활동이 핵심이라고 할 수가 있겠습니다.

 

자 이런 것은 사실 앞서 이 그림에서도 굉장히 대표적으로 보여주고 있는데요. 자 제가 물류 1.0부터 4.0까지의 사례의 사진들을 대표적으로 같이 보여드렸습니다.

 

수송수단이 도입됐고 다음에 기계화된 하역 수단 그리고 관리시스템이 도입이 됐습니다. 그리고 우리가 얘기하는 어떤 물류 4.0의 진화와 바로 그 대표적인 사진이 여기 있는데요.

 

앞서 세 개의 사진과 마지막에 있는 사진의 가장 큰 차이점이 뭐라고 생각하십니까. 핵심은 앞에는 모두 사람이 있습니다.

 

수송 수단이 기계가 됬지만 사람이 이걸 나르고 있구요. 하역수단이 기계가 됬지만 여전히 사람이 그 기계를 우전하고 있습니다.

 

 

 

 

관리 시스템이 됐지만 그거를 관리하고 움직이는 사람이 있습니다. 하지만 마지막 사진에는 사람이 없죠. 로봇을 누군가 조정을 하고 있지는 않을 겁니다.

 

사전에 어떤 정의된 로직 또는 프로그램에 의해 로봇이 판단하고 화물을 이동시키고 하역하고 있는 것입니다.

 

이처럼 인공지능의 도입은 앞서의 우리 물류 1.0에서 3.0까지의 큰 변화에 버금가는 혹은 그것보다 더 영향을 우리에게 줄 것이라고 생각하고 있습니다.

 

실제로 그래서 물류산업의 다양한 분야에서 인공지능을 활용해보고자 하는 시도들이 많이 되고 있는데요.

 

우리가 앞서 말한 물류 1.0, 2.0, 3.0의 그 분야에서도 사실은 전분야죠. 수송, 보관, 하역, 관리, 운영 부분에 있어서도 다양한 적용 사례들이 있습니다.

 

대표적인 것이 자율주행이겠죠. 사람이 판단을 해서 하는 운전을 자동으로 하게 하는 기술이라던지 다음에 보관시설 내 GTP 같은 기기들도 자동 피킹 기술이죠.

 

이런것들도 역시 인공지능의 기술을 어떻게 쓰냐라고 할 수 있겠습니다. 관리부분에 있어서도 예측, 수요예측, 최적화 이런것들이

 

관리 운영 부문에 자동화 그리고 인공지능 적용 사례라고 할 수가 있겠습니다. 인공지능 서비스가 우리에게 제공되는 일반적인 프로세스가 이렇게 된다고 합니다.

 

인공지능 기술이 우리에게 실제로 적용되는 서비스로 제공되기 위해서는 일단은 데이터가 획득이 돼야 되고 다음에 그 데이터가 가공이 돼야 되고 그리고 그 가공된 데이터를 기반으로 어떤 모델이 생성이 돼가지고 이걸 바탕으로 실 서비스가 제공이 될 수 있다고 합니다.

 

물류산업이라고 해서 다르지 않을 것이고요. 이거를 물류 산업의 관점에서 생각을 해본다면 정보의 입력 그리고 그것을 활용한 어떤 연산 그리고 그게 어떤 형태로든 간에 출력이 되는

 

이러한 프로세스를 통해서 물류산업의 적용이 되는 것이라고 아마 정의할 수가 있을 것 같습니다.

 

무엇보다 여기서 핵심은 이러한 인공지능의 실현을 위한 어떤 정보의 입력 연산 출력까지 전체 프로세스의 기저에는 물류산업의 디지털트랜스포메이션 즉 디지털 전환이 반드시 선행되어야 된다는 점이 일단 중요하다라고 할 수 있겠고요.

 

그리고 또 이것과 함께 인공지능이 실현되기 위해서는 이 디지털전환과 함께 빅데이터가 모여가지고 인공지능이 적절한 판단을 할 수 있게끔 적절한 연산을 할 수 있게끔 말하지면 어떤 소스가 되어야 된다는 점이 중요하다라고 할 수가 있겠습니다.

 

그래서 저는 물류산업의 인공지능이 실현되기 위해서 반드시 필요한 두 가지 요소가 바로 디지털전환, 디지털트랜스포메이션과 빅데이터라고 이야기를 할 수가 있을 것 같습니다.

 

그래서 한번 우리 물류산업의 디지털전환이 과연 어떤 수준에 와있는지 그리고 우리가 물류산업의 빅데이터는 어떤 것들이 있는지 한번 이 자리에서 여러분들과 함께 공유를 해보고자 준비를 해봤습니다.

 

일단 디지털트랜스포메이션에 대해서 먼저 말씀을 드리자면요. 많은 사람들이 이제 디지털트랜스포메이션의 시대가 도래했다라고 이야기를 하고 있습니다.

 

디지털트랜스포메이션은 디지털 기술을 활용해서 비즈니스 모델이나 제품 서비스 등 기업의 모든 것을 혁신하는 혁신프레임으로 인식을 하고 있는데요.

 

그러한 과정은 기본적으로 디지털즈에이션으로부터 시작을 해서 디지털라이제이션 그리고 디지털트랜스포메이션까지 이른다라고 이야기를 하고 있습니다.

 

이런 것들에 물류정보의 관점에서 살펴보면은, 일반적으로 우리가 이제 컴퓨터에 있는 정보를 먼저 생각할 수 있습니다만은

 

그 이 전에 사실 컴퓨터에 있지 않은 일반적인 우리 주변 환경에서 발생하는 모든 정보들이 어떻게 보면은 정보의 원천이라고 할 수가 있습니다.

 

날씨도 그럴 수 있고요. 기온, 습도, 다 어떤 정보죠. 이제 이것을 어떻게 디지털화하느냐가 디지털정보의 핵심이라고 할 수 있고요.

 

그래서 이 정보가 디지털화 되고 이러한 것들이 처리 연산이 되어서 유의미한 정보로 되고 마지막으로 비즈니스에 활용되는 이러한 정보의 변화가 디지털트랜스포메이션의 프로세스와 이렇게 매칭이 된다라고 이야기 할 수가 있을 거구요.

 

어떻게 보면은 공공의 역할에 대해서 이제 마지막에 이야기를 드릴텐데 공공의 역할이 또 중요하다고 할 수가 있습니다.

 

그러기 위해서는 공공에서 정의하는 어떤 물류 정보와 물류 디지털 정보에 대해서도 한번 살펴볼 필요가 있는데 물류 정책 기본법에서는 물류정보화 사업에 대해서 정의하고 있습니다.

 

아무래도 오래되기도 했고 쉽게 변하지 않는 법이기 때문에 물류 디지털트랜스포메이션이라는 단어가 아직 법에 포함되어 있지는 않습니다.

 

하지만 이미 포함되어 있는 내용 중에 물류정보화 사업이라는 것을 살펴보면은 물류 정보화 사업이라는 것은 어떤 데이터의 생산, 수집, 가공, 측정, 연계 및 활용을 통해서 이 물류산업을 발전시키는 거라고 정의하고 있습니다.

 

이미 사실 그렇기 때문에 정보의 생산부터 수집, 가공, 측정 연계, 우리가 이야기 했떤 디지털라이제이션 그리고 활용 뒤에 디지털트랜스포메이션과 매칭되는 개념이라고 할 수 있고요.

 

다시 말해서 이 말은 이미 우리의 물류 정책에도 물류디지털트랜스포메이션이 이미 반영되어 있다. 이렇게 이야기를 할 수 있을 것 같습니다.

 

그래서 물류산업이 과연 얼마나 디지털화 되어 있느냐 얼마나 디지털트랜스포메이션 실행이 되어 있느냐라는 것을 살펴보면은 대표적인 지수라든지 이런것들이 있어야되는데 사실 이런것들이 찾기가 쉽지는 않습니다.

 

그나마 조금 찾을 수 있었던 공공의 공신적으로 발표되는 지수 중의 하나가 it활용지수라는 것이 있는데요.

 

이 it활용지수를 살펴보면 물류산업에 대해서는 없고 물류산업이 포함되어 있는 운수업에 대해서 it활용 지수라는 것을 살펴보면은 39.6점 수준으로 나왔는데 이것은 이제 어떤 정보의 it기술의 활용이 기업 내의 협업 수준이라는 정도고요.

 

이 39.6점은 사실 물류산업이 아니라, 전 산업의 평균 68.4점 정도가 된다고 합니다. 이걸 비춰서 보면은 물류산업의 it 활용 수준 또는 디지털화 수준이 상대적으로 매우 낮은 수준이라고 판단을 할 수가 있을 것 같습니다.

 

이 필요한것과 관련해서 저도 관심을 갖고서 2019년에 비슷한 연구를 한 사례가 있는데요. 이 연구에서 물류기업들 일부를 대상으로 조사를 했습니다.

 

그 물류정보를 어떻게 보관하고 있는지 그리고 이러한 정보들을 어떻게 공유하는지 이런 것들에 대해서 샘플조사를 한바가 있는데요.

 

조사를 해봤더니 다행스럽다고 해야 될까요. 다행스러운 것은 다수의 기업들이 이제 이미 물류정보를 디지털화해서 보관 활용 중에 있다는 걸 확인할 수가 있었고요.

 

그 기업들의 한 절반정도는 실제로 필요성을 느끼고 그렇게 하고 있고요. 절반 정도는 딱히 필요한지 안한지 잘 모르겠지만 어쨌든 법적으로 하라고 해서 하고 있는 경우였습니다.

 

그리고 이 정보에 대해서 그 정보를 보관하고 있는 기업 중의 한 절반정도 58.3% 정도가 관계사와 공유하고 있다고 이야기를 했었습니다.

 

자 그러면은 공유하지 않는 기업들은 왜 그런지 확인을 해봤더니 아무래도 가장 큰 이유는 정보 유출에 대한 우려 때문이었습니다. 아마 지금 여기 참여하고 계시는 기업체에 계시는 많은 분들께서도 공감하신다고 생각이 되는데요.

 

우리 기업에 어떤 정보를 누군가가 가져다가 활용해서 우리에게 피해가 오지는 않을지 이런 것들에 대한 정보 또는 예전에 이제는 많이 개선이 되긴 했습니다만은

 

다양한 법에 저촉되지 않을지 이러한 우려들로 인해서 정보의 공유를 많이 꺼려하는 것으로 확인할 수가 있었습니다.

 

그 정보를 공유하고 있는 경우에는 어떻게 공유하고 있는가 살펴봤더니 가장 많은 경우가 이제 이메일 같은 거 아니면은 또 카톡같은 메신저 이런걸로 공유를 하는 경우가 많았구요.

 

일부 이제 한 절반 조금 안되지만은 40%정도는 또 시스템을 통해서 전달을 하고 있는 것을 확인할 수도 있었습니다.

 

어쨌거나 아직도 많은 경우에는 사람이 개입되어서 정보를 공유하고 있었다 라는 것도 확인할 수가 있었습니다.

 

대상정보, 정보 공유하고 있는 대상정보들에 대해서도 조사를 해봤는데, 이 부분은 넘어가도록 하겠습니다.

 

그나마 고무적인 것은 많은 분들이 물류산업에서 정보와 필요성이 높다라고 생각하고 이에 동의하고 있다는 점이 고무적이었다고 할 수가 있구요.

 

그 다음에 이 산업계에서 판단하기로 이 물류정보화에 있어서 필요한 단계는 정보의 활용 단계의 각각의 그 초기에 보여드렸던

 

디지털전환 dt의 프로세스상 디지털트랜스포메이션 단계가 이 물류정보에서 가장 필요한 단계라고 이야기를 했다는 점이 어떻게 보면은 조금 우리 물류산업의 그 미래에 있어서 조금 긍정적인 부분이라고 이해할 수가 있을 것 같습니다.

 

자 이러한 것들을 바탕으로 판단해보건데 우리 물류산업의 디지털트랜스포메이션은 현재 it기술을 활용해가지고 물류정보를 축적 가공하면서

 

기업 내에서 현재 기업 간 협업까지도 확대되서 연계활용하고 있는 그러한 단계 중에 있다라고 이야기 할 수가 있을 것 같고요.

 

이러한 것들을 통해서 결국은 디지털트랜스포메이션을 실현해 나가는 이러한 변화 중에 있다,

 

아직 도달하지는 못했지만 변화중에 있다라고 이야기 할수 있을 것 같습니다.

 

다음으로 물류 빅데이터에 대해서도 이야기를 해보겠습니다. 우리 빅데이터 이야기를 많이 이야기를 합니다. 빅데이터는 뭘까요? 큰 데이터이죠.

 

사실 뭐 딱히 딱 떨어진 정의가 있는 것은 아닙니다. 예를 들어서 1테라 이상은 빅데이터이고 그것보다 작으면 빅데이터가 아니다 뭐 이런 정의는 없구요.

 

하지만 빅데이터에 있어서 좀 큰 의미를 두고 있는 요소들은 몇가지 있는데, 이것도 주체마다 조금은 다릅니다만은 기본적으로 동의하는 건 큰 용량, 빠른 속도, 높은 다양성을 갖는 정보가 빅데이터라고 일반적으로 이야기를 하고 있습니다.

 

물론 거기에 추가적인 가치들을 붙이기도 합니다만은 이러한 용량, 속도, 다양성의 관점에서 물류산업에 있어서 어떠한 빅데이터들이 있는지도 한번 좀 살펴봤습니다.

 

자 물류산업에 있어서 데이터를 수집할 수 있는 다양한 원천들이 있는데요. 그러한 것들은 이러한 물류산업 내에 있을 수도 있고요. 이게 사실은 물류산업 외에도 있을 수도 있습니다.

 

예를 들어서 ERP와 같은 어떤 기업의 물류정보시스템 내에 당연히 자료들이 있을테고요. 그 다음에 마찬가지로 물류 현장에서 활용되고 있는 바코드나 RFID를 이용한 어떤 화물정보 스캔한 정보들,

 

이런 것들도 역시 기업 내에서도 구축이 되고 있는 정보들입니다. 반면에 센서 카메라 등을 통한 정보들은 이런것들은 물류시설 내에 있는 정보들일 수도 있고요.

 

아니면 예를 들어서 물류시설 바깥에 일반적으로 우리 일반 환경에 있는 CCTV라든지 아니면 위성사진이라든지 이런 우리 물류산업 바깥에의 정보들도 있습니다.

 

그리고 정부에서 구축하고 있는 통계자료들, 행정자료들, 이런 것들도 역시 활용할 수 있는 자료들 중에 하나구요.

 

그리고 우리가 또 많이 쓰는 인터넷에 있는 정보들 역시 자료의 원천이 될 수 있습니다. 예를 들어서 인터넷에 물류와 관련되서,

 

대표적인 자료중에 유통 관련된 자료들이 대표적이라고 할 수 있겠는데 사람들이 어떤 물건을 사는지, 언제 물건을 샀는지, 이 물건의 배송을 어디로 시키는지 이러한 것들은 인터넷에 구축되는 빅데이터라고 할 수가 있을 것이구요.

 

그리고 또 이런 것들도 있을 것 같아요. SNS같은데서 예를 들어서 택배라는 것에 대해서 사람들이 그냥 글을 올리면서 같이 쓰는 단어들 예를 들어서 택배가 너무 늦는다.

 

그럼 이제 이러한 단어들을 모으면 어떤 물류 분야에 있어서 의미있는 빅데이터가 될 수가 있을 것 같습니다. 이렇게 다양한 자료의 원천들이 있을 것이구요.

 

그리고 원천들의 정보들이 있을 것이라고 저의 나름대로 한번 생각을 해본 것들을 넣어봤습니다.

 

이런 정보들은 또 여러 가지 구분을 할 수가 있을 텐데 예를 들어서 데이터 수집 방식에 있어서

 

어떤 오픈된 곳으로부터 수집을 할 수도 있고 아니면 클로즈드시스템, 구축된 시스템 내에서 이 자료를 모으는 것으로도 구축을 할 수가 있을 겁니다.

 

그리고 이 데이터들이 정형화된 데이터도 있을 것이고, 비정형화된 데이터들도 있을 것입니다.

 

그리고 마찬가지로 이 데이터가 신뢰성이 높을수도 있고 낮을수도 있고요. 이러한 것들을 고려해서 결국은 우리가 어떻게 이 데이터들을 우리에게 유용한 데이터로 만들 것인가 이에 대해서는 이제 우리 데이터를 활용하는,

 

그리고 우리 산업계에 있는, 물류산업계에 있는 모든 주체들이 같이 고민해야 될 부분인 것 같고요. 그래도 이러한 것들이 있을 것 같습니다.

 

특히 특징지을수 있는 것들 중에 하나가 이 데이터의 소유가 공공이냐 민간이냐라는 부분도 있을 것 같습니다.

 

공공 소유의 데이터는 아무래도 우리가 접근하게 조금 쉬울 것이고요. 민간의 소유 기업 데이터들은 조금 더 어려울 것입니다.

 

그리고 이러한 것들을 예를 들어서 이제 민간의 있는 데이터들을 우리가 어ᄄᅠᇂ게 우리 물류산업 전체의 발전을 위해서 어떻게 활용을 할 것이냐

 

이러한 것들에 대해서도 우리가 고민을 해봐야 될 부분인 것 같고요. 실제로 우리가 그렇게 많이 안되어있다고도 이야기를 하지만 어쨌거나

 

그 산업 내 다양한 분야에서 다양한 부분에서 민간 공공 할 것없이 데이터를 구축을 하고 있습니다.

 

마찬가지로 부분별로 조금 살펴보면 수송부분에 있어서는 예를 들어서 기업들에서는 출도착 정보라든지 배송이력, 주행기록 같은 거, 보험이나 사고 이력, 운송비용정보, 이런것들을 구축하고 있을테고요.

 

하역,보관 부분에 있어서는 재고 배치현황, 입출고, 온습도 유지정보, 이용정보 등등 당연히 기록을 하고 계실 것이라고 생각이 듭니다. 관리 부문도 마찬가지고요.

 

 

 

 

반품정보, 클레임 정보 뭐 이런 것들도 당연히 관리가 되고 계실 것이고요. 이러한 것들은 결국 앞서 초석에 이야길 했던 물류 인공지능을 실현하는데 중요한 소스로써

 

그 자원으로써 활용될 수 있을 것이기 때문에 혹시라도 이러한 데이터 구축에 관심이 없으셨던 기업들이 있으셨다면 지금이라도 어떻게 쓸지 몰라도 어쨌든 한번 모아보자라는 그런 생각으로 한번 모아 보시길 또 추천드리고요.

 

또 우리가 데이터들을 이용하기 위해서는 어떤 데이터들이 있는지를 알야야 되는데 우리가 구축하지 않는 공공에서도 구축되고 있는 정보들도 무엇이 있는지를 알아야

 

이걸 어떻게 쓸 수 있는지 고민을 할 수 있을 것 같습니다. 알게 모르게 여러분야에서 데이터들이 쌓이고 있는데요.

 

대표적인 것은 수송 부문에는 영업용 화물차에 디지털 운행기록장치 정보를 대표적인 빅데이터 중에 하나구요.

 

그 외에도 화물차 등록이나 화물차 검사 정보 같은 것들이 이런것들이 뭐 사업자정보 다음 사고 정보, 통행량, 유가보조금 정보

 

이런것들 역시 공공에서 구축하고 있는 물류와 연관된 빅데이터 중에 하나라고 할 수 있겠습니다.

 

그 외에 보관, 하역부문, 관리운영부문에 있어서도 다양한 빅데이터들, 창고 등록정보, 통관정보, 화물처리정보 등등 다양한 정보들이 구축이 되고 있습니다.

 

그래서 결국 어떻게 우리 물류산업이 인공지능을 도입할 것인가 이에 대해서 사실 우리는 같이 고민을 해야 될 것 같습니다.

 

앞서 이야기에 드린 것처럼 핵심적인 것은 인공지능의 도입을 위해서는 물류산업의 디지털트랜스포메이션과 빅데이터 구축이 중요하다는 게 가장 큰 두 개의 핵심축이라고 할 수 있을텐데요.

 

사실 초기단계에서 기업보다는 정부에서 해야할 역할이 조금 더 클 것 같습니다. 예를 들어서 다양한 데이터들의 구축을 위해서는 그 부분에 있어서 표준화가 중요할 것 같구요.

 

그 다음에 데이터들을 구축하기 위한 빅데이털르 구축하기 위한 근거들을 마련하는 것, 합법적으로 빅데이터를 구축하는 근거를 마련하는 것이 또 정부의 큰 역할 중의 하나라고 생각을 합니다.

 

그리고 어떤 새로운 시도가 우리 사회에서 새로운 시도가 될 때 정부에서 할 수 있는 것들 중 하나가 어떤 다양한 지원사업들을 통해서

 

이러한 시도가 새로운 시도가 실제로 우리 산업계에 이득이 되고 참여하는 주제들에게 이득이 될 수 있다는 것을 보여주는 것이 정부의 큰 역할이라고 할 수가 있겠습니다.

 

그러면 기업에서는 무엇을 할 수 있을 것이냐 사실 우리 기업이 아주 큰 대기업이 아닌 이상은 뭔가 주도적으로 하기는 어렵다는 것을 아마 많이 공감하고 계실 것입니다.

 

다만 그럼에도 불구하고 일단은 옛말에도 지피지기면 백전백승이라는 말이 있듯이 우리가 그럼 어떤 수준에 와있는지 이것을 먼저 알고 있는 것과 모르는 것은 큰 차이가 있을 것 같습니다.

 

그래서 우리 기업이 추구하고자 하는 어떤 가치를 위한 가운데 우리 인공지능을 도입할 수 있는 부분이 무엇인지 그리고 도입하기 위한 우리 기업의 준비는 어떠한지,

 

예를 들어서 디지털화가 어느정도 진전이 되어 있는지 어떠한 데이터들을 우리가 이미 확보하고 있고 어떠한 데이터들을 미래에 확보해야되는지

 

이러한 것들에 대해서 알고 있는 다면은 적어도 이러한 변화 속에서 조금 더 빠르게 대응할 수 있을 것이고요.

 

그리고 우리 기업이 만약 우리 산업계에 정보표준화를 이끌 수 있는 주체가 아니라면 그런 입장이 아니라면,

 

오히려 적극적으로 정부의 표준화 활동에 참여해가지고 우리 기업에게 조금 더 유리하고 우리 기업에게 조금 더 부합하는 표준이 재정될 수 있도록 적극적인 참여하는 것도 하나의 방법일 것이라고 생각합니다.

 

앞서 말씀드렸던 것처럼 정보 공유에 대한 우려가 당연히 있을 수 밖에 없는데 이런 것들에 대해서도 이제 대비를 하는 것이 필요할테고요.

 

하지만 이제 또 제가 생각하는 큰 역할 중의 하나는 결국은 이 초창기 정부의 역할을 제대로 할 수 있게끔 기업에서 지원할 수 있다는 것입니다.

 

뭐냐면 민간의 목소리를 모으고 기업들의 목소리를 모아서 이러한 수요들이 있다라는 것을 표출하는 것이

 

결국은 정부에서 이러한 사업을 할 수 있는 추진, 근거이자 추진력이 될 수 있기 때문에 이렇게 목소리를 모아서 수요를 표출하는 것 역시 기업의 중요한 역할이라고 할 수가 있겠습니다.

 

그래서 제가 우리 기업들이 물류산업의 정상은 특히 여기에 참여하고 계시는 여러 기업분들과 관계자분들도 앞으로 일단은 정부의 각종 지원사업들의 적극적으로 참여해보시기를 추천드립니다.

 

이러한 정부의 지원사업들은 사실 물류분야에만 한정되어 있는 것은 아닙니다. 여러 산업의 모든 분야에 열려 있고요.

 

다만 이러한 열려있는 사업에서 물류분야에서 참여하고자 하는 그 수요가 높아지면 높아질수록 지원사업들의 물류부문의 비중은 점점 더 커지게 될 것이고요.

 

그만큼 물류 부문에서 이 인공지능 도입에 필요하다라는 것을 피력할 수 있는 그런 방법이라고도 볼 수가 있기 때문에

 

적극적으로 이런 사업들에 참여해보는 것을 추천해드리고 두 번째로는 이 자리에 참여하는 여러분들이 모여서 어떤 공동체를 만들어서 목소리를 모아 보는 것도 좋겠다라는 것도 생각을 해봅니다.

 

예를 들면 어떤 연구하는 형태가 될수도 있을 것이고요. 포럼의 형태가 될수도 있을 것 같은데, 예를 들면 물류빅데이터연구회라든지,

 

아니면 물류 인공지능 연구회 뭐 이런 것들을 만들어가지고 참여하는 주체들이 물류부문에 관련된 이슈들을 발구하고 이러한 것들을 검증하고 하는 것들도 해볼 수도 있을테고

 

물류인공지능 또는 물류빅데이터와 관련된 정보들을 이러한 정부지원사업이 있다더라, 아니면 새로운 기술 트렌드가 있다더라 이러한 정보들을 같이 공유하는 것만으로도 이 산업의 전반적인 수준을 높이는 또 하나의 활동이 될 수 있을 것 같습니다.

 

그리고 참여하는 주체들 간의 서로 생성되는 자료라든지 그리고 활용할 수 있는 어떤 수요처라든지 이런 것들을 서로 공유해가지고

 

공용 체계를 마련해가지고 결국은 같이 발전할 수 있는 구심점이 우리 인천대학교 동북아물류대학원과 그리고 여기에 참여하는 모든분들이 됐으면 좋겠고요.

 

마지막으로 이 물류 인공지능은 결국 물류산업이라는 자동차를 빠르고 멀리 나아갈 수 있게 하는 고성능 엔진에 비교할 수 있을 것 같습니다.

 

그리고 이것은 물류빅데이터라는 우수한 연료, 그리고 물류산업의 디지털트랜스포메이션이라는 튼튼한 차체와 함께 할 때 그 성능을 극대화할 수 있을 것이라고 생각이 되고요.

 

우리 동북아 물류대학원, 그리고 이 자리에 참여하신 모든 분들이 함께 이 멋진 자동차를 만들어서 앞으로 빠르고

 

멀리 나아갈수 있는 물류산업에서 빠르고 멀리 나아갈 수 있게 되기를 바라면서 발표를 마치겠습니다. 들어주셔서 감사합니다.

 

[로지브리지 콘텐츠 더 즐기기]